本文提出了一种新方法“视角不变对抗训练（VIAT）”，旨在通过最小化期望损失来增强图像分类器的视角鲁棒性。实验结果表明，VIAT显著提升了分类器在不同视角下的性能，并基于GMVFool生成了多样的对抗视角，以验证其有效性。